1、模糊神經(jīng)網(wǎng)絡(luò)是不確定性知識環(huán)境下構(gòu)建非線性系統(tǒng)的重要工具，論文針對模糊聯(lián)想記憶網(wǎng)絡(luò)對訓(xùn)練模式攝動的魯棒性和模糊雙向聯(lián)想記憶網(wǎng)絡(luò)的學(xué)習(xí)算法進行了較深入的研究，并探討了區(qū)間值模糊集相容度的性質(zhì)、改進和傳播問題。 論文主要研究以下幾個問題： (1)該文首先建立了前饋型模糊聯(lián)想記憶網(wǎng)絡(luò)對訓(xùn)練模式攝動的魯棒性的概念；接著具體分析了最大一乘積型模糊聯(lián)想記憶網(wǎng)絡(luò)(Max-Product FAM)的相關(guān)性質(zhì)，并發(fā)現(xiàn)當(dāng)采用模糊赫布學(xué)習(xí)算法

2、時，該網(wǎng)絡(luò)的這種魯棒性好；但采用另一學(xué)習(xí)算法時，它的這種魯棒性較差，且用實驗證實了文中的理論分析結(jié)果，示意了該模型的應(yīng)用。 (2)該文在研究模糊雙向聯(lián)想記憶網(wǎng)絡(luò)時，利用模糊取大運算和三角模中Lukasiewicz t-模算子和愛因斯坦s-模算子分別構(gòu)造新型模糊雙向聯(lián)想記憶剛絡(luò)Max-T<,L> FBAM和Max-S<,es>FBAM，并對這些模型提出了有效學(xué)習(xí)算法。在理論上嚴(yán)格證明了，對任意給定的模式對集，只要存在有連接權(quán)矩陣對

3、使其為相應(yīng)網(wǎng)絡(luò)的平衡態(tài)集，則依該學(xué)習(xí)算法所確定的連接權(quán)矩陣對(w，u)是所有這樣的連接權(quán)矩陣對中的最大者；并發(fā)現(xiàn)在Max-S<,es>FBAM中，擁有這種最大連接權(quán)矩陣對的網(wǎng)絡(luò)具有全局收斂性，并對任意輸入該網(wǎng)絡(luò)一步就能進入平衡態(tài)。 (3)針對區(qū)間值模糊集的已有相容度存在的一些不足，該文分析了復(fù)雜的區(qū)間值模糊集相容度的性質(zhì)、改進和傳播問題，提出了一個新的相容性測度公式一相合度，它去掉了相容度的非對稱性的缺點，又保持了相容度其它特性